转子是电机、风机等很多旋转机械中的关键总成,其在机器设备中高速旋转,运行状况会影响整个旋转机械的可靠性。针对转子故障诊断与识别的研究对于保证机械设备的正常运转具有重要意义。本文在研究盲源分离的基本模型及预处理方法的基础上,建立了衡量分离算法效果的性能指标,以及分离信号的独立性度量指标。在研究转子动力学实验系统的结构及传感器选用的基础上,对转子的几种常见故障机理进行分析,并通过转子动力学实验系统的模拟故障实验对各种故障的振动信号特征进行详细分析。针对实际生产和信号采集中普遍存在的单通道采集信号问题,以及导致的源信号数目大于采集信号的欠定情况,本文提出基于EMD-ICA的欠定盲分离算法,方法采用EMD算法对单通道采集信号进行分解,运用IAIC与IMDL方法进行源数估计,并应用相关系数法重构多维信号作为ICA的输入量,所分离后信号的波形、幅值与源信号一致,特征频率得到恢复,实现盲源信号的有效分离。针对信号处理方法计算量大、收敛性不佳的问题,本文提出一种基于四阶累积量的粒子群算法,算法将分离信号的四阶累积量作为适应度函数,采用标准粒子群算法求解分离矩阵,准确地提取转子各路源振动信号,并对故障类型进行识别与提取。本文构建基于JM5908转子动力学实验系统的盲源分离实验平台,实验结果表明,本文提出的信号处理方法可准确实现转子振动特征识别与提取。